怎么用bat提取html文件中pre标签内的部分

plp626 · 发表于 2011-5-20 21:31:41

这是一个网友的问题，我想用vbs做单没找到代码，最后无奈用了htox32c工具。。。
现在发来，大伙用bat练练手，看谁的代码精简高效通用。
=========================================
问题描述：
如何用bat把html文件中pre标签之间的C代码提取出来，并且过了掉pre标签内的<...>标签。。。有多个*.html 文件，要求提取出 <pre> A </pre> 之间的c 数据结构A.

A中有<>也要去掉，得到的c语言数据结构A保存到同一个文本文件中。
比如

：<pre>
typedef struct _ALPC_HANDLE_TABLE // 4 elements, 0x18 bytes (sizeof)
{
/*0x000*/ struct <a href="ALPC_HANDLE_ENTRY.html">_ALPC_HANDLE_ENTRY</a>* Handles;
/*0x008*/ ULONG32 TotalHandles;
/*0x00C*/ ULONG32 Flags;
/*0x010*/ struct <a href="EX_PUSH_LOCK.html">_EX_PUSH_LOCK</a> Lock; // 7 elements, 0x8 bytes (sizeof)
}ALPC_HANDLE_TABLE, *PALPC_HANDLE_TABLE;
</pre>

复制代码

变成：

typedef struct _ALPC_HANDLE_TABLE // 4 elements, 0x18 bytes (sizeof)
{
/*0x000*/ struct _ALPC_HANDLE_ENTRY* Handles;
/*0x008*/ ULONG32 TotalHandles;
/*0x00C*/ ULONG32 Flags;
/*0x010*/ struct _EX_PUSH_LOCK Lock; // 7 elements, 0x8 bytes (sizeof)
}ALPC_HANDLE_TABLE, *PALPC_HANDLE_TABLE;

复制代码

html素材：

batman · 发表于 2011-5-20 22:14:55

因为没有具体的文件夹及文件数据，下面给出单个的处理示例（html和txt文件全用temp名）

Set fso = CreateObject("scripting.filesystemobject")
Set ws = CreateObject("WScript.shell")
vbstr = Replace(fso.OpenTextFile("temp.html", 1, 1).ReadAll(), "<pre>", "<pre id=text>")
fso.OpenTextFile("temp.html", 2, 1).Write vbstr
GetStr ws.CurrentDirectory & "\temp.html"
Set fso = Nothing
Set ws = nothing
MsgBox "ok"
Function GetStr(pathfile)
Set oDOM = GetObject(pathfile, "htmlfile")
Do Until oDOM.readyState="complete":WScript.Sleep 200:Loop
txt = oDOM.getElementByid("text").innertext
fso.OpenTextFile("temp.txt", 2, 1).Write txt
Set oDOM = Nothing
End Function

复制代码

CrLf · 发表于 2011-5-20 22:41:57

本帖最后由 zm900612 于 2011-5-20 22:55 编辑

学plp，玩一玩call

@echo off
for /f "tokens=1,2 delims=:" %%a in ('findstr /n "<pre>" *.html') do call>>"%%~na.txt" :pre %%a %%b
pause&exit
:pre
for /f "skip=%2 delims=" %%a in (%~s1) do if "%%a"=="</pre>" (exit /b) else echo %%a

复制代码

plp626 · 发表于 2011-5-20 22:53:27

3# zm900612

思路不错，你最好把<pre> 和</pre> 所在行的内容也输出（替换掉pre），

为了效率，你还是把call转化为for循环好些。。。
如果上千个文件，，，当然1个小时的还是能处理完的，，总比人快多了。。。

plp626 · 发表于 2011-5-20 22:56:00

3# zm900612

对了，你的代码忘了考虑处理 pre内的标签<...>，，

batman · 发表于 2011-5-21 00:18:05

本帖最后由 batman 于 2011-5-21 00:51 编辑

二楼的代码走了弯路（下面是批量处理）：

Set fso = CreateObject("scripting.filesystemobject")
Set ws = CreateObject("WScript.shell")
For Each file In fso.GetFolder(ws.CurrentDirectory & "").files
If InStr (LCase(file.Name), ".htm") Then GetStr file
next
Set fso = Nothing
Set ws = Nothing
MsgBox "ok"
Function GetStr(pathfile)
Set oDOM = GetObject(pathfile, "htmlfile")
Do Until oDOM.readyState="complete":WScript.Sleep 200:Loop
For Each vbstr In oDOM.getElementsBytagname("pre")
txt = txt & vbstr.innertext & vbCrLf & vbCrLf
Next
fso.OpenTextFile("temp.txt", 8, 1).Write txt & vbCrLf & vbCrLf
Set oDOM = Nothing
End Function

复制代码

CrLf · 发表于 2011-5-21 09:55:20

本帖最后由 zm900612 于 2011-5-21 09:56 编辑

再来两种：

@echo off&setlocal enabledelayedexpansion
for %%a in (*.html) do (
for /f "delims=" %%b in (%%a) do (
if "%%a" neq "!last!" (
set /a "n=1","t=0"
set last=%%a
cd.>"%%~na.txt"
)
set tmp=$%%b
(if !t!==1 for /f "tokens=1* delims=$" %%b in ("!tmp:</pre>=$!") do echo;%%b
if "!tmp:<pre>=!!tmp:</pre>=!" neq "!tmp!!tmp!" (
set /a "t=^!t"
if "!tmp:<pre>!" neq "!tmp!" (
if !t!==1 echo;!tmp:*^<pre^>=!
)
))>>"%%~na.txt"
))
pause
::这个可以处理与标签同行的内容

复制代码

@echo off&setlocal enabledelayedexpansion 2>nul 3>nul
for /f "tokens=1,2* delims=:" %%a in ('findstr /v /n "<pre> </pre>" *.html') do (
if "%%a" neq "!last!" set /a "n=1","t=0"&set last=%%a&cd.>%%~na.txt
if "%%b"=="!n!" set /a n+=1,"t=^!t" else (
if "!t!"=="0" echo;>>%%~na.txt %%c
set /a n=%%b+2
)
)
pause

复制代码

话说回来，其实用findstr的时候，假如某文件末尾没有换行，那么下个文件会出错，解决方法是先more test.html>$

		自动登录	找回密码
密码			注册

[新手上路]批处理新手入门导读	[视频教程]批处理基础视频教程	[视频教程]VBS基础视频教程	[批处理精品]批处理版照片整理器
[批处理精品]纯批处理备份&还原驱动	[批处理精品]CMD命令50条不能说的秘密	[在线下载]第三方命令行工具	[在线帮助]VBScript / JScript 在线参考

[文本处理] 怎么用bat提取html文件中pre标签内的部分

评分

评分